Article Per Year (5 Year)
p-Index From 2021 - 2026
0.562
P-Index
This Author published in this journals
All Journal JOURNAL OF ELECTRICAL AND SYSTEM CONTROL ENGINEERING eProceedings of Engineering Jurnal Rekayasa elektrika Jurnal INFOTEL
Bambang Hidayat
Telkom University
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering

Published : 204 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 204 Documents
Search

 10   11   12   13   14 
IImplementasi Metode Hidden Markov Model Untuk Deteksi Tulisan Tangan Eka Yuwitaning; Bambang Hidayat; Nur Andini
eProceedings of Engineering Vol 1, No 1 (2014): Desember, 2014
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pentingnya informasi dan data digital dalam era komputerisasi saat ini sehingga proses digitalisasi informasi senantiasa menjadi topik penelitian yang menarik untuk diaplikasikan pada berbagai bidang. Penerapan teknologi pengenalan citra pada tulisan tangan akan sangat bermanfaat misalnya untuk membaca tulisan tangan pada suatu data penting yang sudah lama disimpan, seperti jurnal kerja atau dokumen-dokumen penting di perkantoran. Pentingnya teknologi ini untuk mempermudah proses pencarian dan penyimpanan data agar lebih efektif. Proses awal pada sistem adalah pre-processing data uji dan latih, kemudian dilakukan ekstraksi ciri dengan metode MDF (Modified Direction Feature). MDF adalah kombinasi dari metode Direction Feature (DF) dan Transition Feature (TF), yaitu mengambil dan menghitung nilai ciri berdasarkan goresan (stroke) karakter dari berbagai arah sehingga ciri karakter bersifat unik. Setelah ciri karakter didapat, maka diklasifikasi dengan Hidden Markov Model (HMM), yang merupakan perluasan dari rantai Markov di mana state-nya tidak dapat diamati secara langsung (tersembunyi), tetapi hanya dapat mengamati variabel-variabel yang terpengaruh oleh state. Hasil rata-rata akurasi terbaik pengenalan karakter pada penelitian ini adalah tingkat akurasi sekitar 74,72% dengan rata-rata waktu komputasi pengujian sistem adalah 2,23 detik. Kata kunci: HMM, detection, state, OCR dan MDF
Estimasi Bobot Karkas Domba Berdasarkan Metode Deformable Template Dan Klasifikasi Support Vector Machine Andrean David Chrismadandi; Bambang Hidayat; Nur Ibrahim
eProceedings of Engineering Vol 5, No 3 (2018): Desember 2018
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak Domba merupakan salah satu hewan ternak yang banyak dimanfaatkan oleh manusia. Bagian tubuh domba yang sering dimanfaatkan oleh manusia untuk bahan pangan adalah pada bagian daging atau biasa disebut karkas. Karkas domba sendiri merupakan berat daging yang dimanfaatkan diluar dari berat organ, kaki, ekor, dan kepala. Pada zaman ini pengukuran berat dari karkas domba masih dilakukan dengan cara konvensional seperti penimbangan secara langsung dengan timbangan dan melalui tafsiran si pembeli atau si penjual domba tersebut. Pada kedua cara diatas masih terdapat kendala yang dapat dialami oleh pembeli domba yang masih awam yang mengakibatkan kerugian. Berkembangnya teknologi informasi dan komunikasi memberi terobosan baru dalam membantu proses penimbangan domba dengan menggunakan pengolahan citra digital. Dalam tugas akhir ini dibuat suatu sistem yang dapat mengestimasi bobot karkas domba dengan pengolahan citra digital. Secara umum cara kerja dari pengolahan citra digital adalah dengan untuk memisahkan citra ternak domba dari latar belakang dan menghilangkan objek yang bersifat pengganggu disekitar domba, selanjutnya dilakukan tahap identifikasi untuk mendapatkan ukuran pajang badan serta lingkar dada ternak domba, dan pada tahap terakhir melakukan proses komputasi untuk menghitung bobot karkas ternak domba. Pada aplikasi ini menerapkan rumus Ardjodarmoko untuk perhitungan berat karkas domba. Metode segmentasi citra yang digunakan adalah metode Deformable Template. Hasil dari segmentasi citra akan melalui proses ekstrasi ciri yang kemudian diklasifikasikan menggunakan Multiclass Support Vector Machine (SVM) menjadi tiga kelas. Domba yang dijadikan sample berjumlah 24 ekor. Penelitian ini menggunakan 3 kelas dalam mengklasifikasi berat karkas domba yaitu kelas kecil, sedang dan besar. Rata-rata selisih antara berat karkas domba hasil pengolahan citra dengan berat karkas domba sesungguhnya yaitu 1.72 kg . Hasil akurasi kelas pada penelitian ini sebesar 88.89%. Kata Kunci : Karkas Domba, Deformable Template, SVM Multiclass Abstract Sheep is one of the many farm animals used by humans. Parts of the body of the sheep is often used by humans for food is on the meat or so-called carcass. The sheep’s carcass itself is weight of meat used outside the weight of organs, legs, tail and head. At this time the weight measurement of sheep’s carcass is still done in a conventional way such as weighing scales directly with the scales and through the interpretation of the buyer or the seller of the sheep. In both ways above there are still obstacles that can be happened to the buyer of sheep who still lay that cause losses. The development of information and communication technology gave a new breakthrough in helping the process of weighing the sheep by using digital image processing. In this final project is made a system that can estimate sheep carcass weight by digital image processing. In general, the workings of digital image processing is to separate the image of sheep from the background and eliminate objects that are disturbing around the sheep, then the identification stage is done to get the size of the body and the chest circumference of sheep, and at the last stage do the computation calculate the carcass weight of sheep. In this application apply the Ardjodarmoko formula for calculating the weight of sheep carcasses. Image segmentation method used is Deformable Template method. The results of image segmentation will go through a feature extraction process which is then classified using the Multiclass Support Vector Machine (SVM) into three classes. The number of sheep in the sample is 24. This study uses 3 classes in classifying the weight of sheep carcasses, namely small, medium and large classes. The average difference between sheep carcass weight from image processing with actual sheep carcass weight is 1.72 kg. Class accuracy results in this study amounted to 88.89%. Keywords: Sheep’s Carcass, Deformable Templates, SVM multiclass
Deteksi Kualitas Keju Dengan Metode Gabor Wavelet Dan Klasifikasi Learning Vector Quantization (lvq) Berbasis Android Afina Fatharani; Bambang Hidayat; Sjafril Darana
eProceedings of Engineering Vol 5, No 3 (2018): Desember 2018
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak Keju adalah makanan yang terbuat dari susu dengan memanfaatkan proses fermentasi atau olahan susu yang mempunyai rasa gurih dan umumnya berwarna kuning. Dalam menggunakan keju sebagai bahan konsumsi, perlu memperhatikan kualitas yang digunakan. Keju yang digunakan adalah masih layak untuk dikonsumsi atau tidak. Faktor-faktor yang mempengaruhi ketidaklayakan keju untuk dikonsumsi biasanya karena sudah melewati batas tanggal kadaluarsa. Selain itu, suhu yang tidak sesuai juga dapat memengaruhi kelayakan kualitas keju. Cara yang biasanya dilakukan untuk mengetahui kualitas keju masih layak atau tidak untuk dikonsumsi adalah dengan melihat secara visual perubahan warna dan teksturnya. Namun terkadang dalam memastikannya dengan cara mencoba mencicipi keju akibat keterbatasan visual manusia. Dalam tugas akhir penulis membuat penelitian mengenai deteksi kualitas keju dengan teknik pengolahan citra untuk mempermudah pengindentifikasian kualitas keju melalui pengamatan pola tekstur. Penulis menggunakan metode ektraksi ciri Gabor Wavelet dengan parameter frekuensi spasial, orientasi filter, standar deviasi, dan rasio filter. Klasifikasi Learning Vector Quantization (LVQ) dengan parameter Epoch, Learning rate dan minimum error. Penelitian tugas akhir menggunakan software Android Studio untuk implementasi aplikasi deteksi kualitas keju. Implementasi berdasarkan serangkaian proses pengujian dan pengamatan terhadap beberapa 48 sample citra uji dan 8 sample citra latih yang diambil menggunakan microscop digital. Dari penelitian diperoleh waktu komputasi sistem 20.69 s dan akurasi sistem 85.42%. Diharapkan hasil dari penelitian dapat mempermudah mengetahui idetentifikasi keju berkualitas baik atau tidak. Kata kunci : Keju, Gabor Wavelet, Learning Vector Quantization. Abstract Cheese is food made from milk by utilizing the fermentation process or processed milk which has a savory taste and is generally yellow. In using cheese as a consumption material, it is necessary to pay attention to the quality used. Cheese used is still suitable for consumption or not. Factors that influence the unworthiness of cheese to be consumed usually because it has passed the expiration date. In addition, inappropriate temperatures can also affect the feasibility of cheese quality. The way that is usually done to find out the quality of cheese is still feasible or not to be consumed is to see visually changes in color and texture. But sometimes in ensuring it by trying to taste cheese due to human visual limitations. In the final task the author makes a study on the detection of cheese quality with image processing techniques to facilitate identification of cheese quality through observation of texture patterns. The author uses the Gabor Wavelet feature extraction method with spatial frequency parameters, filter orientation, standard deviation, and filter ratio. Classification of Learning Vector Quantization (LVQ) with Epoch parameters, Learning rate and minimum error. Final task research using Android Studio software for the implementation of cheese quality detection application. Implementation is based on a series of testing processes and observations of some 48 test image samples and 8 training image samples taken using digital microscopes. From the research, the system computation time was 20.69 s and the system accuracy was 85.42%. It is expected that the results of the study can facilitate the identification of good quality cheese or not Keywords: Cheese, Gabor Wavelet, Learning Vector Quantization.
Implementasi Identifikasi Pola Rugae Palatina Menggunakan Metode Discrete Cosine Transform (dct) Dan Support Vector Machine Pada Android Maya Sari Samosir; Bambang Hidayat; Ayu Trisna Hayati
eProceedings of Engineering Vol 4, No 2 (2017): Agustus, 2017
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Ilmu forensik memiliki peran penting dalam identifikasi korban bencana alam, tindakan kriminal,penelitian korban yang sudah membusuk atau korban kebakaran. Namun seringkali kondisi bukti fisik yang sudah tidak layak mengakibatkan sulit untuk pengidentifikasian. Analisis gigi dan komponen lain dalam rongga mulut membantu untuk proses identifikasi yang signifikan. Rugae palatina merupakan salah satu yang dapat membantu proses identifikasi karena pola yang individualistis. Dalam tugas akhir ini penulis membahas mengenai cara identifikasi pola rugae palatina menggunakan metode Discrete Cosine Transform (DCT) dan klasifikasi Support Vector Machine (SVM). Data yang digunakan merupakan hasil pencetakan rahang atas yang kemudian diubah dalam bentuk citra digital. Pada penelitian ini dilakukan pengujian 37 citra rugae palatina, dengan panduan klasifikasi Martin dos Santos dengan jumlah kelas sebanyak 10,yaitu pola angle, bifurcated, circle, curved, interrupt, line, sinous, dan trifurcated. Sehingga didapatkan akurasi terbesar 94,27 % dengan parameter orde satu yaitu varian,standard deviasi dan entropy dan klasifikasi yang digunakan adalah SVM dengan jenis klasifikasi OAO. Kata kunci : Discrete Cosine Transform, rugae palatina, Support Vector Machine
Identifikasi Dan Klasifikasi Tutupan Lahan Melalui Pengolahan Citra Google Earth Dengan Metode Singular Value Decomposition Dan Klasifikasi K-nearest Neighbor Kintan Veriana; Bambang Hidayat; Sofia Saidah
eProceedings of Engineering Vol 5, No 3 (2018): Desember 2018
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

ABSTRAK Tutupan lahan adalah kondisi kenampakan biofisik permukaan bumi yang dapat diamati. Tutupan lahan dapat menggambarkan keterkaitan antara proses alami dan proses sosial. Suatu hasil pengaturan, aktivitas, dan perlakuan manusia yang dilakukan pada jenis penutup lahan tertentu untuk melakukan kegiatan produksi, perubahan, ataupun perawatan pada penutup lahan tersebut. Penutup lahan dibagi menjadi dua kategori, yaitu daerah bervegetasi dan daerah tidak bervegetasi. Tugas akhir ini melakukan pendeteksi dan pengklasifikasian tutupan lahan pada daerah Pantai di Pelabuhan Ratu, Kota Sukabumi, Jawa Barat dengan menggunakan metode Singular Value Decomposition (SVD) dengan klasifikasi K-Nearest Network (K-NN) dengan mendeteksi suatu tutupan lahan termasuk kategori daerah bervegetasi atau daerah tidak bervegetasi melalui pengolahan citra Google Earth menggunakan aplikasi Matlab. Dalam tugas akhir ini dilakukan beberapa tahap, yaitu akuisi citra, pre-processing, ekstraksi ciri dan klasifikasi. Dari hasil yang didapatkan tingkat akurasi yang paling baik dalam mendeteksi sistem dengan menggunakan citra ketika parameter layer S, K-Nearest Neighbor jenis Correlation dengan nilai k=1 saat ukuran piksel 256x256 yaitu 87.14%. Kata Kunci : Tutupan Lahan, Google Earth, Singular Value Decomposition, K-Nearest Neighbor ABSTRACT Land cover is an observable condition of the Earth's observed biophysical appearance. Land cover can illustrate the link between natural processes and social processes. An outcome of the regulation, activity, and human treatment carried out on certain types of land cover to undertake the production, change, or maintenance of the cover. Land cover is divided into two categories, ie vegetated and non-vegetated areas. This final project performs detection and classification of land cover on the beach area in Pelabuhan Ratu, Sukabumi City, West Java by using Singular Value Decomposition (SVD) with K-Nearest Network (K-NN) classification by detecting a land cover belonging to the vegetated area or areas not vegetated through Google Earth imagery processing using Matlab applications. In this final project, there are several steps, namely image acquisition, pre-processing, feature extraction and classification. From the results obtained the best level of accuracy in detecting the system by using the image when the layer parameter S, K-Nearest Neighbor Correlation type with a value of k = 1 when the pixel size is 256x256 which is 87.14%. Keyword: Land Cover, Google Earth, Singular Value Decomposition, K-Nearest Neighbor
Implementasi Android Untuk Identifikasi Pola Rugae Palatina Pada Individu Menggunakan Metode Discrete Wavelet Transform (dwt) Dan Learning Vector Quantization (lvq) Devi Naafiyandika Sutopo; Bambang Hidayat; Dudi Aripin
eProceedings of Engineering Vol 4, No 2 (2017): Agustus, 2017
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Rugae palatina merupakan salah satu bagian dari tubuh manusia yang terletak di dalam rongga mulut. Pada setiap individu memiliki karakteristik pola Rugae palatina yang berbeda-beda, perbedaan pola tersebut dapat dijadikan sarana identifikasi individu, misal untuk identifikasi korban kebakaran yang kondisi fisiknya sudah tidak memungkinkan lagi atau hancur. Rugae palatina memiliki sifat konsisten, stabil sepanjang hidup dan tidak akan berubah baik pola ataupun karakteristiknya serta akan lebih terjaga karena berada di dalam rongga mulut. Sample pola Rugae palatina atau cetakan rugae tersebut diperoleh melalui kerjasama dengan Fakultas Kedokteran Gigi Universitas Padjajaran dan mahasiswa Universitas Telkom. Metode identifikasi pola yang digunakan adalah Metode Wavelet Transform (DWT) dan Learning Vector Quantization (LVQ). Hasil yang diperoleh dalam tugas akhir ini yaitu sebuah sistem yang diimplementasikan kedalam aplikasi berbasis android yang dapat digunakan dalam mengidentifiksi pola rugae palatina pada individu. Latar belakang implementasi ke dalam aplikasi android yaitu untuk menunjang fleksibilitas dalam perangkat atau sistem. Sistem tersebut mempunyai performasi dengan tingkat akurasi sebesar 85.9682% dan waktu komputasi 3.5720 detik dengan menggunakan 37 sampel citra latih dan 15 citra uji. Dengan adanya sistem ini dapat menjadi pembanding dalam identifikasi rugae palatina dengan menggunakan metode yang berbeda dan dapat bermanfaat untuk dunia odontologi forensik dalam melakukan identifikasi pola rugae palatina. Kata kunci: Discrete Wavelet Transform, Rugae Palatina, Learning Vector Quantization
Identifikasi Kualitas Kesegaran Susu Sapi Melalui Pengolahan Citra Digital Menggunakan Metode Gray Level Co-occurrence Matrix Dan Local Binary Pattern Dengan Klasifikasi K-nearst Neighbor Hamdan Gustiawidi; Bambang Hidayat; Sjafril Darana
eProceedings of Engineering Vol 5, No 3 (2018): Desember 2018
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak Susu sapi merupakan zat pelengkap yang kaya akan nutrisi, diantaranya protein, lemak, vitamin, mineral dan karbohidrat. Tekstur yang cair dan berwana putih menjadi ciri khas. Sering dijumpai berbagai macam tempat mulai dari penjual pinggiran maupun di super market susu sapi dijual, akan tetapi banyak penjual yang mencampur dengan menambahkan air, pewarna dan pemanis buatan demi mendapat keuntungan yang lebih, sehingga kandungan gizi dan kualitas kesegarannya tidak sempurna lagi. Pada permasalahan yang ada sukar bila bukan ahlinya untuk membedakan kemurnian susu sapi, biasanya konsumen hanya dapat mengenali melalui indra penglihatan dan penciuman. Dalam Tugas Akhir, dirancang suatu sistem untuk mempermudah konsumen mengetahui kemurnian susu sapi dengan campuran air menggunakan software Matrix Laboratory (MATLAB) melalui pengolahan citra digital. metode ekstraksi ciri yang digunakan adalah Gray Level Co-Occurrence Matrix (GLCM) dan Local Binary Pattern (LBP) serta metode klasifikasi adalah K-Nearest Neighbor (K-NN). Dari hasil pengujian sistem menggunakan metode GLCM didapatkan akurasi sebesari 100% dan waktu komputasi 0,7777 detik. Sedangkan menggunakan metode LBP didapatkan akurasi sebesar 97,5% dan waktu komputasi 0,7722 detik. Kata kunci : Susu sapi, Gray Level Co-Occurrence Matrix, Local Binary Pattern, K-Nearest Neighbor Abstract Cow’s Milk is a complementary substance in food, which has a lot nutrition such as proteins, fats, vitamins, minerals and carbohydrates. The characteristic is liquid and white colored. It can found anywhere, from small traders untill the supermarkets. But some of the sellers mix and add water, dyes, and artificial sweeteners to get more profit, so it reduce the milk’s nutrition and the freshness. The problem is it diffcult to know the freshness level of milk if not by the expert, the only way the consumer to know the freshness level by sight and smell. In this Final Assignment, a sistem created to help consumer know the cow milk freshness level by using Matrix Laboratory Software (MATLAB) using image processing method. The feature extraction by using Gral Level Occurrence Matrix (GLCM) method and Local Binary Pattern (LBP) method and classified by K-Nearest Neighbor (K-NN). From the results of system testing using GLCM method obtained 100% accuracy and computation time 0.7777 second, While using the LBP method obtained accuracy of 97.5% and computing time 0.7722 second. Keywords: Cow’s Milk, Gray Level Co-Occurrence Matrix, Local Binary Pattern, K-Nearest Neighbor
Implementasi Identifikasi Pola Rugae Palatina Menggunakan Deteksi Binary Large Object (blob) Dan Klasifikasi Support Vector Machine (svm) Pada Android Ade Pitra Hermawan; Bambang Hidayat; Murnisari Darjan
eProceedings of Engineering Vol 4, No 2 (2017): Agustus, 2017
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Seiring berkembangnya cabang ilmu kedokteran gigi, terutama pada Odontologi Forensik, ditemukan bahwa pola rugae palatina atau sering disebut langit-langit mulut tiap masing individu adalah berbeda, begitu pula orang kembar sekalipun. Beberapa kasus seperti mutilasi dan kebakaran menyebabkan identifikasi menggunakan sidik jari menjadi tidak valid sedangkan penggunaan DNA membutuhkan biaya yang tinggi. Rugae palatina diketahui dapat digunakan sebagai media identifikasi seseorang dikarenakan sifatnya yang unik dan letaknya didalam rongga mulut sehingga terlindungi. Pada penelitian ini telah diimplementasikan sebuah aplikasi android untuk mengidentifikasi pola rugae palatina manusia dengan deteksi Binary Large Object (BLOB), ekstraksi ciri menggunakan Local Binary Pattern (LBP) sedangkan untuk proses klasifikasi dilakukan dengan menggunakan Support Vector Machine (SVM). Secara garis besar proses identifikasi pola rugae palatina pada sistem ini terdiri dari pengambilan citra menggunakan perangkat android, preprocessing, ekstraksi ciri, identifikasi ciri, dan klasifikasi pola rugae palatina. Hasil dari penelitian ini adalah sebuah aplikasi identifikasi pola rugae palatina berbasis android, dengan tingkat akurasi 57.564% dengan waktu komputasi 64.152 detik. Kata kunci: Rugae, BLOB, SVM, Android, Forensik
Pengklasifikasian Tinggi Dan Berat Badan Manusia Berdasarkan Citra Telapak Kaki Menggunakan Metode Discrete Wavelet Transform (dwt) Dan Support Vector Machine-multiclass (svm-mc) Melina Melina; Bambang Hidayat; Suci Aulia
eProceedings of Engineering Vol 5, No 3 (2018): Desember 2018
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

ABSTRAK Berat badan merupakan salah satu parameter yang memberikan gambaran pada massa tubuh. Pada pengukuran berat badan yang telah dilakukan secara manual yaitu dengan menggunakan alat penimbang berat badan (timbangan injak) didapatkan hasil timbangan berat badan yang berbeda-beda, dikarenakan ketika posisi telapak kaki diatas alat penimbang berat badan (timbangan injak) tidak sesuai atau tidak tepat pada titik tumpu alat penimbang berat badan (timbangan injak). Berat badan harus selalu dimonitor karena berat badan merupakan parameter antropometri yang sangat tidak stabil guna mengatasi kecenderungan penurunan atau penambahan berat badan yang tidak dikehendaki (berat bedan tidak normal). Pada tugas akhir ini, penulis membahas mengenai teknik untuk mengklasifikasikan tinggi badan dan berat badan manusia melalui basis tekstur cap telapak kaki dengan menggunakan pengolahan citra digital.Sehingga pada tugas akhir ini akan dirancang simulator untuk mengukur berat badan, dimana kelebihan lainnya selain mengukur berat badan adalah mengukur tinggi badan menggunakan data cap telapak kaki. Metode yang digunakan dalam penelitian tugas akhir ini adalah metode Discrete Wavelet Transform (DWT) sebagai ektraksi ciri dan metode Support Vector Machine Multi Class (SVM-MC) sebagai klasifikasi dengan menggunakan aplikasi MATLAB. Dalam sistem aplikasi ini, menggunakan data latih sebanyak 89 citra dan data uji sebanyak 26 citra. Waktu komputasi yang tercepat pada sistem ini dengan menggunakan metode klasifikasi OAO pada citra 300x264 piksel yaitu 0.17165 detik dengan level dekomposisi 8. Tingkat akurasi terbaik untuk tinggi badan sebesar 98.27% dengan menggunakan citra yang berukuran 1200x1056 piksel. Sedangkan, tingkat akurasi terbaik untuk berat badan sebesar 91.17% dengan menggunakan citra yang berukuran 300x264 piksel. Kata kunci: biometrik,footprint, thresholding, DWT, SVM. ABSTRACT Weight is one of the parameters that give a representation of body mass. On the weight measurement which has been done manually that is using the weighing tool (weight scales) obtained the different results, because when the soles of the foot position above the weighing tool (weight scales) is not appropriate at the fulcrum on the weighing tool (weight scales).Weight should always be monitored because weight is a very unstable parameter anthropometry in orderto over come the tendency ofdecreased or increased a weight undesired (abnormal weight). ISSN : 2355-9365 e-Proceeding of Engineering : Vol.5, No.3 Desember 2018 | Page 5245 In this final exam, the author discusses about how to techniques the height and weight of the human body through the basis texture of the feet stamp. So in this final exam will be designed simulator to measure weight, which other advantages besides measuring body weight is measure body height using of data foot. The method used in this research is the Discrete Wavelet Transform (DWT) as a feature extractionand methods Multi-Class Support Vector Machine (SVM-MC) as a classification by using the application MATLAB. In this application system, using training data as many as 89 images and test data as many as 26 images. The fastest computing time on the system using the method of classification OAO at 300x264 pixel image that is 0.17165 seconds with the level of decomposition of 8. The best accuracy for height of 98.27% using the image size of 1200x1056 pixels. Mean while, the best accuracy rate of weight gain of 91.17% using the image size of 300x264 pixels. Keywords: biometryc, footprint, thresholding, DWT, SVM
Identifikasi Usia Manusia Berdasarkan Radiograf Panoramik Gigi Akar Tunggal Menggunakan Metode Gray Level Co-occurrence Matrix Irene Dewi Kurniawati; Bambang Hidayat; Yuti Malinda
eProceedings of Engineering Vol 5, No 3 (2018): Desember 2018
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

ABSTRAK Pemeriksaan forensik diperlukan untuk mengidentifikasi usia seseorang dimana usia kronologis seorang individu tersebut tidak diketahui karena identitas asli tidak ada. Identifikasi usia dapat dilakukan pada individu hidup maupun mati. Bagian tubuh yang umumnya dipakai untuk mengidentifikasi usia adalah gigi. Pada umumnya, perkembangan gigi seseorang akan berbanding lurus dengan bertambahnya usia yang dapat dilihat dari pulpa giginya. Pulpa gigi akan semakin menyempit seiring dengan bertambahnya usia manusia, begitu pun sebaliknya. Pada penelitian ini, gigi yang dipakai untuk mengidentifikasi usia adalah pulpa gigi yang berakar tunggal, yaitu pulpa gigi kaninus menggunakan teknik radiograf panoramik. Pada tugas akhir ini, tahap awal yang penulis lakukan adalah akuisisi citra, berikutnya ialah pre-processing, yaitu dengan melakukan resize citra, mengubah citra rgb menjadi grayscale dan melakukan histeq. Untuk proses ekstraksi ciri, penulis menggunakan metode Gray Level Co-Occurrence Matrix, dimana dalam perhitungan statistiknya menggunakan distribusi histogram dengan mengukur tingkat kekontrasan, granularitas, dan kekasaran suatu daerah dari hubungan ketetanggaan antar piksel di dalam citra. Dan untuk metode klasifikasi, penulis menggunakan metode Learning Vector Quantization, yang bertujuan untuk mendapatkan distribusi kelas vector terdekatnya agar dapat meminimalkan kesalahan dalam proses klasifikasi. Penelitian ini menghasilkan akurasi sistem sebesar 65.96% dari 47 data uji yang terdiri dari 7 kelas usia, dimana kelas I = 14-16 tahun, kelas II = 16-19 tahun, kelas III = 19-20 tahun, kelas IV = 20-24 tahun, kelas V = 24- 26 tahun, kelas VI = 26-30 tahun, dan kelas VII = 30-60 tahun. Dari penelitian yang telah dilakukan, maka dapat disimpulkan bahwa sistem yang telah dibuat dapat digunakan untuk mengidentifikasi usia seseorang. Penelitian ini diharapkan dapat membantu dalam mengidentifikasi usia seseorang agar menjadi lebih singkat dan mudah. Kata kunci : Identifikasi, Radiograf Panoramik, Pulpa Gigi, Gray Level Co-Occurrence Matrix ABSTRACT A forensic examination is needed to identify the age of a person where the individual's chronological age is unknown because the original identity is not available. Age identification can be performed both on an alive and a dead individual. The body part that is commonly used to identify a person's age is the tooth. In general, the development of a person's teeth will be proportional to the increase in age that can be seen from the pulp of his teeth. The dental pulp will further narrow as the human age, and vice versa. In this study, the teeth used to identify a person's age were the single-rooted pulp teeth, the canine pulp, using a panoramic radiograph technique. In this final project, the first step that writer do is image acquisition, the next is pre-processing, by resize the image, convert rgb image to grayscale and do histeq. For the feature extraction process, the writer used the Gray Level Co-Occurrence Matrix method, where the statistic calculation used the histogram distribution by measuring contrast, granularity, and roughness level of a region of the neighboring relationship between pixels in an image. And for the classification method, the writer used the Learning Vector Quantization method, which aims to obtain the distribution of the closest vector class in order to minimize errors in the process of classification. This study resulted in a system accuracy of 65.96% of 47 test data consisting of 7 age classes, where class I = 14-16 years, class II = 16-19 years, class III = 19-20 years, grade IV = 20-24 year, class V = 24-26 years, class VI = 26-30 years, and class VII = 30-60 years. From the research that has been done, it can be concluded that the system that has been created can be used to identify the age of a person. This research is expected to help the identification of the age of a person to take a shorter time and to be easy. ISSN : 2355-9365 e-Proceeding of Engineering : Vol.5, No.3 Desember 2018 | Page 4937 Keywords: Identification, Panoramic Radiograph, Pulp Gear, Gray Level Co-Occurrence Matrix
Co-Authors Abdul Hafidh Zaini Ade Pitra Hermawan Adi Aufarachman Putra Bambang Dwi Adrian Firmansyah Taufik Afina Fatharani Agre Liana Bella Clara Ahmad Mumtaz Ahsanu Qornan Al Brando Ardes Harjoko Alif Fajri Ryamizard Alifdio Hendra Putra Alifia Fathur Rizkiyah Alvin Matthew Valentino Amelia Shaffira Arifin Andre Danika Andrean David Chrismadandi Andri Slamet Subandrio Andri Slamet Subandrio Andri Slamet Subandrio Angrinda Kharisma Putri Anissa Widya Devianti Annisa Adlina Mulyaningrum Annisa Faraditha Basuki Annisa Rizki Akmalia Annisa Yandra Oktora Apriannor Apriannor Aptanti Aptanti Arfhan Setiawan Ari Septayuda Arina Fadhilah Arisalsabila Wahyu Bawono Arvieda Nadya Astin Santosa Auliado Centaury Ayu Tri Yulina Ayu Trisna Hayati Ayu Trisna Hayati Azarine Sandi Rizcky Bagas Yufa Ardana Bani Aulia Rahman Bella Yunita Kusuma Carolus Ferdy Setiaji Hartoko Chyndi Mery Da Vega Clara Amanda Daniel Ade Aryono Dara Aulia Feryando David Vianza Dea Delia Lestari Dela Tantri Riyandani Denanda Syahnurreza Auladi Desi Dwi Prihatin Desti Madya Saputri Devi Naafiyandika Sutopo Devi Rahmaditra Devi Utami Nur Indah Sari Devita Ba'diatan Fitri Dewa Gede Eduard Pramana Morton Dewi Zakiawati Dias Wardana Diati Levi Putri Dimas Anugrah Putra Dinda Rizki Taningrum Diny Hafizha Amelia Diovani Estidia Akbar Distyan Putra Agrisativa Dita Kusuma Wardani Dudi Aripin Dwi Sukma Bestry Edrea Cioksidy Cioksidy Eka Yuwitaning Eko Susatio Elline Constantia Elok Novita Pramunti Elyza Dilla Susanti Endang Yuni Endang Yuni Setyowati Enrico Wiratama Purwanto Erryna Indah Kurniawati Erty Kasdiantika Erwin Susanto Faber Tommy Johannes Nauli Fadhilah Fadhilah Fahmi Oscandar Fahmi Oscandar Fahmi Oscandar Fahmi Oscandar Fahmi Oscandar Fahmi Oscandar Fahmi Oscandar Fahmi Oskandar Fanny Oksa Salindri Farah Fadhilah Hermahiroh Farisah Qisthina Rekamasanti Farras Duto Hestopo Fauziyyah Rachmawati Fina Maharani Firda Isfandary Badryani Fiya Rohmawati Galuh Laksmita Ranggi Garizah Ganih Pranoto Gelar Budiman Ghina Oktavia Gita Meirinda H. Suhardjo H. Suhardjo Haidar Maghrifa Ahmad Hamdan Gustiawidi Hanif Jaka Permana Hasna Nur Afina Helena Jasmine Clarissa Hermas Ahadhi Septiaji Hervyn Junianto Kuen Hilal Nuha Hilman Fauzi, Hilman Hindrya Meidina Fresty Husnul Himmah I Nyoman Apraz Ramatryana I Putu Aditya Widiatama Ibrahim Adilla Ida Ayu Dian Purnama Sari Imam Abdul Hakim Indah Restyana Indri Ruth Simatupang Inka Hashari Insani Sekar Wangi Inung Wijayanto Irene Dewi Kurniawati Irma Safitri Irvie Augustin Israndy Yainahu Jangkung Raharjo Johan Arif Johan Arif Johan Arif Karina Permatasari Katamso Katamso Kevin Prathama Nugraha Khairunnisa Alfiyanti Suharja Kharisma Meccasia Kinanti Balqis Maharani Kintan Veriana Krisma Asmoro Kusumawardhani, Eka Leanna Vidya Yovita Ledya Novamizanti Listhyani Dhianira Sarie Listianto Raharjo Luluk Listyani Ayuningtyas Lutfi Ahmad Lyra Vega Ugi Magdarita Haris Mahdan Muqottirullah Al Askariyy Maya Amiriyanti Maya Sari Samosir Melina Melina Mentari Pangestu Mielda Fauzi Mila Muliani Mirrah Aliya Azzahra Mohamad Fikri Permana Mona Renasari Muhamad Fatah Muhamad Luthfi Wahid Muhammad Fatah W Muhammad Fatah Wiyatna Muhammad Ilham Fauzi Muhammad Rafki Muhammad Taufiq Alkautsar Mujib Ramadhan Hidayat Murnisari Darjan Mutia Henarta Mutiara Ulfach Nabila Sarashadarti Nadia Aisyah Permata Putri Nadia Putri Nurpadilah Nadiya Ibrahim Nanang Adi Setyawan Neng Anggi Iliadi Neng Wiwin Wiyandini Ngurah Putu Oka Harybuana Niki Ihsanul Hakim Nina Djustiana Nova Aditya Utami Novita Yusnia Tri Handayani Nur Andini Nur Hikmah Maulida Nur Ibrahim Nur Inastia Alfianingrum Nur Shabrina Nurul Septiyani Syafril Prasetyo Tri Herlambang Pritta Anggraeni Anindyasari Putu Cinthia Wikessa Putu Wahyu Saputra Qintan Nurma Buana Rakhman Kurniadi Rani Fauzana Rasinia Vadilla Nova Ratri Dwi Atmaja Regha Julian Pradhana Reinhard Immanuel Abraham Reni Anggraini Reni Dyah Wahyuningrum Restu Pujiyanti Hidayat Restu Wardani Reza Ahmad Nurfauzan Rian Febrian Umbara Rian Umbara Rikko Ismail Hardianzah Risva Ulva Fauzia Rita Magdalena Rizkiana Rani Sejahtera Rizky Setyaningrum Rizqi Shaumi Puspa Ayu Amanda Rosa Chulia Rahmah Rr Ayuningtias Setiaji Rudy Hartanto Rudy Hartanto Rudy Hartanto Ryan Bagus Wicaksana Ryan Bagus Wicaksono Sarah Aura Nadienda Saraswati Saraswati Setyo Nugroho Wibowo Shabrina Elha Putri Shofiya Rona Gemintang Sigit Nugroho SJAFRIL DARANA Sjafril Darana Sjafril Darana Sofia Sa’idah SOFIA SAIDAH Sri Muliawati Suci Amelia Suci Aulia Sugeng Winarno Sugondo Hadiyoso Suhardjo MS Suhardjo MS Suhardjo Sitam Suhardjo Sitam Suhardjo Suhardjo Suhardjo Suhardjo Suhartono Tjondronegoro Suken Achmad Aziz Suryo Adhi Wibowo Syahida Anugrah Kausar Syakira Nurina Shaputri Syelanisa Nabilla Syifa Mellynda Prisca Tengku Ahmad Wira Giovany Tikki Capriati Marieski Tita Haryanti Tito Permana Ulfa Yuliani Unang Sunarya Utari Hustita Dewi Vallen Ariesandi Vanesa Ditalia Vasya Aulia Viona Apryaleva Vivi Oktaviani Damanik Wijayanti, Lumastari Ajeng Wulandari Setiawati Wulandary Ika Hanesia Yafis Sukma Kurniawan Yeni Ernita Kusuma Wardani YULI SUN HARIYANI Yun Mukmin Akbar Yuti Malinda Yuti Malinda Yuti Malinda Zafer Ozcan Zagitha Devy Harerra Zahrana Hermulyani Zarka Lazuardi Putera